1 前言
今天分享一下 今年11 月份刚刚出炉的《TensorFlow 2.0 深度学习算法实战》中文版，分享给有需要的小伙伴。
Tensorflow自谷歌提出以来，就成为最受欢迎的深度学习框架之一，迄今已经被下载超过 4000 万次。其中TensorFlow2.0更是完善了之前版本中相当多不人性的地方，受到了众多使用者的好评和推崇。
2 简介
本书一共15 章，内容上可分为 4 个部分：
第一部分，第1-3章，主要介绍人工智能的初步认知和背景知识；
第二部分，第4-5章，主要介绍TensorFlow的相关基础知识，为后续内容的深入展开做铺垫；
第三部分，第6-9章，主要介绍神经网络的核心理论知识点和算法，让读者对深度学习的本质有更深的理解；
第 四部分，第10-15章，模型算法的应用部分，主要介绍一些常见的算法和模型。
· · · · · ·目录 · · · · · ·
第 1 章 人工智能绪论
1.1 人工智能
1.2 神经网络发展简史
1.3 深度学习特点
1.4 深度学习应用
1.5 深度学习框架
1.6 开发环境安装
1.7 参考文献
第 2 章 回归问题
2.1 神经元模型
2.2 优化方法
2.3 线性模型实战
2.4 线性回归
2.5 参考文献
第 3 章 分类问题
3.1 手写数字图片数据集
3.2 模型构建
3.3 误差计算
3.4 真的解决了吗
3.5 非线性模型
3.6 表达能力
3.7 优化方法
3.8 手写数字图片识别体验
3.9 小结
3.10 参考文献
第 4 章 TensorFlow 基础
4.1 数据类型
4.2 数值精度
4.3 待优化张量
4.4 创建张量
4.5 张量的典型应用
4.6 索引与切片
4.7 维度变换
4.8 Broadcasting
4.9 数学运算
4.10 前向传播实战
4.11 参考文献
第 5 章 TensorFlow 进阶
5.1 合并与分割
5.2 数据统计
5.3 张量比较
5.4 填充与复制
5.5 数据限幅
5.6 高级操作
5.7 经典数据集加载
5.8 MNIST 测试实战
5.9 参考文献
第 6 章 神经网络
6.1 感知机
6.2 全连接层
6.3 神经网络
6.4 **函数
6.5 输出层设计
6.6 误差计算
6.7 神经网络类型
6.8 油耗预测实战
6.9 参考文献
第 7 章 反向传播算法
7.1 导数与梯度
7.2 导数常见性质
7.3 **函数导数
7.4 损失函数梯度
7.5 全连接层梯度
7.6 链式法则
7.7 反向传播算法
7.8 Himmelblau 函数优化实战
7.9 反向传播算法实战
7.10 参考文献
第 8 章 Keras 高层接口
8.1 常见功能模块
8.2 模型装配、训练与测试
8.3 模型保存与加载
8.4 自定义类
8.5 模型乐园
8.6 测量工具
8.7 可视化
8.8 参考文献
第 9 章 过拟合
9.1 模型的容量
9.2 过拟合与欠拟合
9.3 数据集划分
9.4 模型设计
9.5 正则化
9.6 Dropout
9.7 数据增强
9.8 过拟合问题实战
9.9 参考文献
第 10 章 卷积神经网络
10.1 全连接网络的问题
10.2 卷积神经网络
10.3 卷积层实现
10.4 LeNet-5 实战
10.5 表示学习
10.6 梯度传播
10.7 池化层
10.8 BatchNorm层
10.9 经典卷积网络
10.10 CIFAR10 与 VGG13 实战
10.11 卷积层变种
10.12 深度残差网络
10.13 DenseNet
10.14 CIFAR10 与 ResNet18 实战
10.15 参考文献
第 11 章 循环神经网络
11.1 序列表示方法
11.2 循环神经网络
11.3 梯度传播
11.4 RNN 层使用方法
11.5 RNN 情感分类问题实战
11.6 梯度弥散和梯度爆炸
11.7 RNN 短时记忆
11.8 LSTM 原理
11.9 LSTM 层使用方法
11.10 GRU 简介
11.11 LSTM/GRU 情感分类问题再战
11.12 预训练的词向量
11.13 参考文献
第 12 章 自编码器
12.1 自编码器原理
12.2 MNIST 图片重建实战
12.3 自编码器变种
12.4 变分自编码器
12.5 VAE 实战
12.6 参考文献
第 13 章 生成对抗网络
13.1 博弈学习实例
13.2 GAN 原理
13.3 DCGAN 实战
13.4 GAN 变种
13.5 纳什均衡
13.6 GAN 训练难题
13.7 WGAN 原理
13.8 WGAN-GP 实战
13.9 参考文献
第 14 章 强化学习
14.1 先睹为快
14.2 强化学习问题
14.3 策略梯度方法
14.4 值函数方法
14.5 Actor-Critic 方法
14.6 小结
14.7 参考文献
第 15 章 自定义数据集
15.1 精灵宝可梦数据集
15.2 自定义数据集加载流程
15.3 宝可梦数据集实战
15.4 迁移学习
15.5 Saved_model
15.6 模型部署
15.7 参考文献
3 相关代码
本书不仅包括丰富的内容，更重要的是，还配套了相应的代码，通过代码学习是最快进行消化知识的一个方法。所有的项目都是 基于TensorFlow 2.0实战。